[发明专利]一种音频数据切片识别处理方法

说明书

本发明公开了一种音频数据切片识别处理方法，具体涉及声音识别技术领域，包括如下步骤：信号采集，44.1kH采样率获取音频输入，并转换为数组存储；能量差处理；设存储源音数据数组为S，处理后的数组为R，两个数组的长度相同，处理规则：R(n)＝S(n‑1)‑S(n),n0；R(0)＝S(0)；能量信号切片分层；特征提取和识别。经过能量差处理后，数据产生正、负和零，三类数据，有意义的数据在正负两类数据里，并且这两类数据是绝对附着在过零位上的；解决了低频信号干扰，引起的过零位偏移问题；通过切片分层方法，可以通过调参，剥离不同音量或频率的声音数据，在对声音的分类识别过程中，去除噪音和回声，很有效，效果十分显著。

技术领域

本发明涉及声音识别技术领域，具体为一种音频数据切片识别处理方法。

背景技术

本发明借鉴了人耳对声音识别的生物学原理，模仿人耳提取声音信息的功能；声音是一种机械波，经过空气传递，振动人耳的鼓膜，经耳蜗进行处理，最后传递给大脑进行识别；通过话筒采集到信息，相当于鼓膜到耳蜗之间处理的信息，当前对声音的处理步骤，相当于耳蜗的功能，最终为声音识别功能提供输入信息；核心思路，通过邻居两个采样点的差值，获得一个能量差值，该值也可以另外描述为，单位时间内能量的变化值，频率高的声音变化值大，频率低的声音变化值小；经过能量差处理的数据，通过分层切片方法，提取不同频率的数据，用于声音识别或解析。

对于现有的音频数据切片识别处理方法，如专利公开号为【公开号】CN112863489A的中国专利，其公开了一种语音识别方法、装置、设备及介质，包括如下步骤：该方法包括：获取待识别的第一语音信号，并对第一语音信号进行回声消除处理，获得相应的第二语音信号，且第二语音信号中包括第三语音信号；识别第三语音信号，确定相应的场景信息；根据所确定的场景信息，并基于预设映射表得到与场景信息对应的预设领域；根据所得到的预设领域，从预先存储的语音模型数据库中调取出相应的语音识别模型；基于所调取出的语音识别模型对第二语音信号进行识别，获得相应的语音识别结果。用以通过识别第三语音信号，确定相应的场景信息，有利于提高对语音信号的识别率。

现有技术中的音频数据切片识别处理方法存在以下问题：

1、现有的音频数据切片识别处理受无意义的低频声音信号干扰，会让有意义信号严重偏离过零位，影响识别效果；在做回声消除的处理中，不能有效区分源音和回音，造成过多消除有意义音源；

2、且声音识别过程中，不能对不同音量声音做分层处理，影响语音信号识别率，为此，我们提出一种音频数据切片识别处理方法用于解决上述问题。

发明内容

本发明的目的在于提供一种音频数据切片识别处理方法，以解决上述背景技术中提出的问题。

为解决上述技术问题，本发明采用如下技术方案：一种音频数据切片识别处理方法，包括如下步骤：

步骤一、信号采集，44.1kH采样率获取音频输入，并转换为数组存储；

该步骤可以由文件输入，也可以由话筒设备输入，输入后，取一条主声道数据作为待分析数据，保存为一维数组S。

对于采样率，主要影响当前算法的效率和精度，采样率越高需要计算的采样点越多性能变差，但声音识别精度约高；采样率低，需要分析的采样点少，性能变好，但声音识别精度变差。

对于声道，主要分为2.0声道、3.1声道、5.1声道等，本算法主要使用2.0声道数据，

并且只提取一条声道数据，用于语义识别。

步骤二、能量差处理；

声音是一种机械波，它对话筒的振动产生不同的声音电位信号，如果需要感知能量的变化，就需要计算相邻两个采样点的变化值，这个变化值就是当前步骤最终处理值，所以我们做如下处理：